自動運転システムのためのNeural Simulatorの構築および評価

抄録

自動運転開発において安全かつ効率的にシステムの試験を行うためには，高品質かつ大規模なシミュレータが重要となる. 従来のゲームエンジンベースのシミュレータでは現実の走行環境を模擬した3次元環境が必要となるが，その構築や経年変化に合わせた更新には多大なコストが必要であり，また幾何的形状や光学的特性などの物理特性についても現実との乖離が生じる． これらの課題に対し，実データから任意視点合成を実現するNeural Radiance Fields(NeRF)をベースに，データから深層学習モデルを学習してシミュレーション環境構築を狙うNeural Simulatorの研究が行われているが，その多くががセンサシミュレーションの再構成誤差の検証に限られ，自動運転システムへの有用性評価は十分になされていない． 本研究では，国内の都市環境においてロボットタクシーを用いて収集した実データを元にモデルを構築し，センサシミュレーションの再構成誤差評価および実タスクへの応用評価を実施した結果を報告する．